先聊聊什麼是人工智能
人工智能是對資料的分析和挖掘，然後實作兩大目标：
- 預測：例如對明天股價的漲跌進行預測(量化交易)
- 分類：對圖檔裡的所有人臉給識别出來(機器視覺)
整個的學習路徑如下：
- python等相關基礎--->初階：機器學習--->中階：架構應用--->高階：場景應用
下面将對初學者一一介紹如何學習和附贈學習資料
1.python等相關基礎
現在萬物皆AI。python,Java,matlab等程式設計語言全都可以用于進行學習人工智能，但是鑒于python簡單易學，又有大量的開源代碼，是以風口上的python已經排在程式設計語言排行榜第三的位置，學習人工智能的最佳程式設計語言，需要掌握的技能如下：
- python文法基礎：打怪之前你得知道你的武器怎麼使用
- python的相關數學庫的使用：對應的天指派numpy,pandas,matplotlib,seaborn等庫的學習
- Linux基礎：未來工作，大部分玩家都在這個副本裡玩
- 資料結構和算法基礎：這是去大廠必刷的副本
- 數學基礎：人工智能的科班專業不是計算機相關專業，而是機率統計相關的數學專業，跳過這一副本對打怪沒有問題，但是決定了你的天花闆
其實，學完以上内容，找一個資料分析的工作完全可以了，曲線救國，再轉入資料挖掘的工作
2.初階：機器學習
首先，機器學習是通過程式設計讓計算機從資料中進行學習的科學（和藝術）。例如，通過程式設計你告訴電腦一個地方距市中心多遠，人口多少，它會告訴你這個地方的房價大概多少，當然前提你也得告訴電腦其它地方距市中心距離，人口數量，讓它用于自我學習。那麼它學習的方法我麼們便稱為算法，常用的機器學習算法如下：
- K近鄰算法
- 線性回歸
- 邏輯回歸
- 支援向量機（SVM）
- 決策樹和随機森林
學完以上基礎算法，簡單的預測分類的應用完全沒問題，更多的應用可以在Kaggle和Github上學習，Kaggle上完成機器學習項能拿到豐厚的獎金，刷題，攢經驗必去之地
3.中階：架構應用
對于大量的資料集，python因為是封裝的語言，處理太慢，是以引出一些架構，如Tensorflow
- 神經網絡：是機器學習的一個特例
- 深度學習：又是神經網絡的一個特例
- 不斷發展還有強化學習，遷移學習等等
4.高階：場景應用
在預測和分類的技能掌握下，人工智能在各個場景進行應用，需要分門别類的學習：
- 推薦系統：推送使用者喜歡的内容和對應的廣告
- 機器視覺：對圖像進行處理，例如無人駕駛，刷臉支付
- 自然語言處理：對文字進行情感分析，例如豆瓣評論對電影的看法，好感度分析
- 量化交易：金融領域的人工智能場景，預測股票等的變化
相關資料分享 
人工智能入門學習全攻略(内含免費資料分享)
- 人工智能課程總連結 連結： https://pan.baidu.com/s/1ckwl9K-RdGf10rJ0dSGpGg 提取碼：nfof
- 點選閱讀原文，提取碼：nfof
- 如果連結失效，背景回複“機器學習”
- 覺得太慢可以看書來學習，天下武功唯快不破 （建議珍藏）電子書資源（不斷更新中）連結永久有效
- 想系統的學習python可以看下文 Pyton學習全攻略(内含免費分享資料)